Purely Inorganic Highly Efficient Ice Nucleating Particle
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide To evaluate the role of atmospheric heterogeneous reactions on the ice nucleation ability of airborne dust particles, we investigated the systematic study of ice nucleation microphysics with a suite of atmospherically relevant metals (10), halides (4), and oxyhalides (2). Within a minute, a kaolin–iron oxide composite (KaFe) showed efficient reactions with aqueous mercury salts. Among the different mercury salts tested, only HgCl 2 reacting with KaFe generated HgKaFe, a highly efficient ice nucleating particle (HEIN). When added to water, HgKaFe caused water to freeze at much warmer temperatures, within a narrow range of −6.6 to −4.7 °C. Using a suite of optical spectroscopy, mass spectrometry, and microscopy techniques, we performed various experiments to decipher the physical and chemical properties of surface and bulk. KaFe was identified as a mixture of different iron oxides, namely, goethite, hematite, magnetite, and ε-Fe 2 O 3, with kaolin. In HgKaFe, HgCl 2 was reduced to Hg 2 Cl 2 and iron was predominantly in maghemite form. Reduction of Fe 2+ by NaBH 4, followed by aerial oxidation, helped KaFe to be an exact precursor for the synthesis of HEIN HgKaFe. Kaolin served as a template for synthesizing iron oxide, opposing unwanted aggregation. No other metal or metal halide was found to have more efficient nucleating particles than HgCl 2 with KaFe composite. The chelation of Hg(II) hindered the formation of HEIN. This study is useful for investigating the role of morphology and how inorganic chemical reactions on the surface of dust change morphology and thus ice nucleation activity. The understanding of the fundamentals of what makes a particle to be a good ice nucleating particle is valuable to further understand and predict the amount and types of atmospheric ice nucleating particles.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».